《表4 剖面数量确定的依据》
注:作者整理
目前使用频率最高的指标为BIC、ABIC和BLRT(e.g.,Stanley et al.,2013;Valero&Hirschi,2016;Meyer et al.,2012)。多项仿真研究指出,BIC、ABIC、CAIC和BLRT在确定剖面数量时更加有效(e.g.,Henson,Reise,&Kim,2007;Nylund et al.,2007;Peugh&Fan,2013;Yang,2006),Nylund等(2007)仿真研究发现,随着样本量的降低,BLRT依然有足够的检验力,BLRT相比于LMR、BIC更能够降低第一类错误的出现可能性,增加模型识别的正确率。Yang(2006)发现每个剖面平均样本量达到50的情况下,ABIC是最有效的剖面分类信息指标,其他指标若要达到ABIC相同的检验力,需要的样本量都大大多于ABIC。当上述指标无法选出最优模型时,BIC和CAIC倾向于低估剖面数量,而AIC、ABIC和BLRT倾向于高估剖面数量。在此情况下,部分学者建议通过绘制剖面数量与△BIC、△ABIC等指标的陡坡图(elbow plots)来查找拐点以确定剖面数量(Asparouhov&Muthén,2014;Morin et al.,2011;Petras&Masyn,2010;Wang,Morin,Ryan,&Liu,2016)。王孟成和毕向阳(2018,p.15)建议,如果各项评价指标之间不一致,应该结合分类的实际意义和样本数量来确定最终的类别数目。综上所述,总结了LPA剖面确定的依据(表4)及报告思路(图1)。
图表编号 | XD00175396100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 尹奎、彭坚、张君 |
绘制单位 | 北京科技大学东凌经济管理学院、广州大学管理学院、北京石油化工学院人文社科学院 |
更多格式 | 高清、无水印(增值服务) |